رسانه اقتصاد و بازار
بانک‌ها تا امروز هوش مصنوعی را عمدتاً به چشم ابزار کاهش هزینه دیده‌اند: پاسخ‌گویی سریع‌تر به مشتری، خلاصه‌سازی اسناد، تحلیل اعتبار، کشف تقلب و خودکارسازی کارهای تکراری. اما مرحله بعدی می‌تواند معادله را برعکس کند. اگر عامل‌های هوشمند از طرف مشتری نیز بتوانند نرخ سپرده، کارمزد، وام و گزینه‌های سرمایه‌گذاری را دائماً مقایسه کنند، بخشی از اصطکاکی که سال‌ها به بانک‌ها اجازه داده سپرده‌های ارزان و مشتریان کم‌تحرک را حفظ کنند از بین می‌رود.
رویترز در تحلیلی که ۱ اکتبر منتشر کرد، این تضاد را «روی تاریک» موج هوش مصنوعی برای بانک‌ها توصیف کرده است: همان فناوری که هزینه عملیاتی را پایین می‌آورد، می‌تواند مشتری را نیز برای یافتن بهترین نرخ و جابه‌جایی سریع پول توانمند کند. نتیجه بالقوه، رقابت شدیدتر بر سر سپرده و فشار بر حاشیه سود بانک‌هاست.
سپرده ارزان چرا این‌قدر مهم است؟
مدل اقتصادی بانکداری فقط به نرخ وام وابسته نیست. یکی از مهم‌ترین مزیت‌های بانک‌های بزرگ، دسترسی به حجم عظیمی از سپرده‌هایی است که نرخ بهره آنها پایین‌تر از هزینه بسیاری از منابع جایگزین تأمین مالی است. بانک این منابع را جذب می‌کند و بخشی را در قالب وام یا دارایی‌های بهره‌دار به کار می‌گیرد. فاصله میان بازده دارایی‌ها و هزینه منابع، یکی از پایه‌های درآمد بهره‌ای است.
این مدل تا حدی به رفتار مشتری وابسته است. بسیاری از افراد هر روز نرخ حساب جاری، پس‌انداز، صندوق بازار پول یا پیشنهاد بانک رقیب را بررسی نمی‌کنند. حتی وقتی گزینه‌ای با بازده بهتر وجود دارد، زمان، پیچیدگی انتقال حساب، عادت و وفاداری به بانک مانع جابه‌جایی فوری می‌شود.
عامل هوش مصنوعی می‌تواند همین اصطکاک را هدف بگیرد. در سناریوی پیشرفته‌تر، نرم‌افزار فقط به مشتری نمی‌گوید کدام حساب نرخ بالاتری دارد؛ می‌تواند موجودی، نیاز نقدی، سررسید پرداخت‌ها و محدودیت‌های کاربر را تحلیل کند و پیشنهاد جابه‌جایی بدهد یا در چارچوب مجوزهای تعیین‌شده آن را اجرا کند. در این حالت «بی‌تفاوتی سپرده‌گذار» دیگر منبع قابل اتکایی برای بانک نیست.
بهره‌وری بانک در برابر قدرت چانه‌زنی مشتری
بانک‌ها از سمت دیگر واقعاً از AI سود می‌برند. بانک آمریکا در مارس اعلام کرد دستیار مجازی Erica از زمان راه‌اندازی بیش از ۳.۲ میلیارد تعامل با مشتریان ثبت کرده و در سال ۲۰۲۵ حدود ۲۰.۶ میلیون کاربر نزدیک ۷۰۰ میلیون بار از آن استفاده کرده‌اند. این بانک همچنین ابزارهای مولد هوش مصنوعی را در بخش پرداخت‌ها و مدیریت ثروت گسترش داده است.
در سپتامبر، Bank of America قابلیت‌های جدید AskGPS Intelligence Hub را معرفی کرد تا داده‌های حساب، رابطه و جریان‌های مالی مشتریان شرکتی را برای کارکنان یکپارچه و تحلیل کند. این نمونه نشان می‌دهد بانک‌ها در حال عبور از چت‌بات ساده به سمت سیستم‌هایی هستند که اطلاعات را برای تصمیم‌گیری آماده می‌کنند.
اما فناوری یک‌طرفه نیست. اگر بانک با AI بتواند هزینه خدمت‌رسانی را پایین بیاورد، مشتری نیز می‌تواند هزینه جست‌وجو و مقایسه را تقریباً به صفر نزدیک کند. این همان نقطه‌ای است که بخشی از صرفه‌جویی عملیاتی بانک ممکن است به شکل نرخ سپرده بالاتر، کارمزد کمتر یا قیمت رقابتی‌تر وام به مشتری منتقل شود.
خطر اصلی، سرعت است نه صرفاً جابه‌جایی پول
سپرده‌گذاران همیشه می‌توانستند پول خود را به بانک یا صندوق دیگری منتقل کنند. تفاوت بالقوه عامل‌های هوشمند در سرعت و مقیاس تصمیم‌گیری است. اگر میلیون‌ها کاربر از ابزارهایی استفاده کنند که دائماً بازده و ریسک را مقایسه می‌کنند، واکنش سپرده‌ها به اختلاف نرخ می‌تواند سریع‌تر شود.
این موضوع الزاماً به معنی وقوع هجوم بانکی نیست. اعتماد مشتری، بیمه سپرده، محدودیت‌های انتقال، کیفیت خدمات، مقررات و ترجیح افراد برای نگهداری رابطه بانکی همچنان مهم‌اند. همچنین بسیاری از عامل‌های هوشمند هنوز اختیار کامل و مستقل برای انتقال دارایی مشتری ندارند. بنابراین تبدیل این سناریو به پیش‌بینی قطعی اشتباه است.
با این حال، تجربه بانکداری دیجیتال نشان داده کاهش اصطکاک می‌تواند رفتار مالی را تغییر دهد. در محیطی که نرخ‌های بازار بالاست، حتی چند ده واحد پایه اختلاف بازده روی مانده‌های بزرگ اهمیت پیدا می‌کند. اگر نرم‌افزار این اختلاف را به طور مداوم رصد کند، حساسیت سپرده‌ها به قیمت می‌تواند بیشتر شود.
کدام بانک‌ها آسیب‌پذیرترند؟
بانکی که رابطه مشتری با آن فقط بر یک حساب کم‌بازده استوار است، در برابر مقایسه خودکار نرخ‌ها آسیب‌پذیرتر از بانکی است که پرداخت، کارت، وام مسکن، سرمایه‌گذاری، مدیریت ثروت و خدمات تجاری را در یک اکوسیستم یکپارچه ارائه می‌کند. هرچه هزینه خروج مشتری پایین‌تر باشد، عامل هوشمند راحت‌تر می‌تواند پیشنهاد جایگزین را عملی کند.
در مقابل، بانک‌های دارای شبکه گسترده خدمات، داده بهتر و محصولات متنوع می‌توانند از AI برای شخصی‌سازی پیشنهادها و جلوگیری از خروج منابع استفاده کنند. رقابت آینده بنابراین فقط «بانک در برابر فین‌تک» نیست؛ رقابت میان توانایی موسسات برای شناخت نیاز مشتری، قیمت‌گذاری لحظه‌ای و حفظ رابطه مالی است.
اثر دوم: وام و مدیریت ثروت
فشار به سپرده فقط یک بخش ماجراست. عامل هوشمند می‌تواند پیشنهادهای وام را نیز مقایسه کند، هزینه واقعی کارت اعتباری را محاسبه کند و کارمزدهای مدیریت سرمایه را در برابر گزینه‌های ارزان‌تر بسنجد. هر بازاری که بخشی از حاشیه سود آن از دشواری مقایسه یا بی‌تحرکی مشتری ناشی می‌شود، در برابر خودکار شدن جست‌وجو آسیب‌پذیر است.
در مدیریت ثروت نیز ابزارهای هوشمند می‌توانند خدمات پایه‌ای مانند تخصیص دارایی، پایش پرتفوی و بررسی هزینه را ارزان‌تر کنند. ارزش مشاوره انسانی برای تصمیم‌های پیچیده، مالیات، برنامه‌ریزی خانوادگی و مدیریت رفتار سرمایه‌گذار باقی می‌ماند، اما قیمت خدمات استاندارد می‌تواند تحت فشار قرار گیرد.
تناقضی که سرمایه‌گذار باید ببیند
سرمایه‌گذار بانکی نباید صرفاً تعداد پروژه‌های AI یا میزان صرفه‌جویی اعلام‌شده را بسنجد. پرسش مهم‌تر این است که چه مقدار از این صرفه‌جویی واقعاً در سود بانک باقی می‌ماند. اگر رقابت دیجیتال بانک را مجبور کند نرخ بیشتری به سپرده‌گذار بپردازد یا کارمزد کمتری دریافت کند، بخشی از بهره‌وری به مشتری منتقل می‌شود.
برای ارزیابی این تحول باید چند شاخص را دنبال کرد: هزینه متوسط سپرده، سهم سپرده‌های بدون بهره یا کم‌بهره، نرخ خروج سپرده، رشد حساب‌های دیجیتال، هزینه جذب مشتری و فاصله نرخ پرداختی بانک با نرخ‌های بازار. تغییر پایدار در این متغیرها می‌تواند زودتر از صورت سود و زیان نشان دهد که AI از ابزار کاهش هزینه به نیروی فشار بر حاشیه سود تبدیل شده است.
هوش مصنوعی برای بانک‌ها هم فرصت است و هم عامل فشرده‌تر شدن رقابت. برنده نهایی الزاماً بانکی نیست که بیشترین هزینه را با AI حذف کند؛ ممکن است موسسه‌ای باشد که در جهانی با مشتریان هوشمندتر، بتواند سپرده و رابطه مالی را بدون اتکا به بی‌تحرکی مشتری حفظ کند.
تحریریه EFINX
این نام برای مطالبی استفاده می‌شود که با اتکا به چند منبع معتبر، بازنویسی و راستی‌آزمایی می‌شوند و مسئولیت نهایی ویرایش آنها با تحریریه EFINX است.